無(wú)人駕駛車(chē)輛軌跡跟蹤分層協(xié)調(diào)控制方法研究.pdf

1、無(wú)人駕駛車(chē)輛通過(guò)車(chē)載傳感器感知周?chē)h(huán)境，利用路徑規(guī)劃算法實(shí)時(shí)生成期望路徑，并由決策系統(tǒng)選擇最佳路徑，最后在車(chē)載控制器作用下實(shí)現(xiàn)路徑跟蹤。近年來(lái)，由于無(wú)人駕駛車(chē)輛在智能交通系統(tǒng)中扮演著越來(lái)越重要的角色，許多車(chē)輛制造企業(yè)和科研機(jī)構(gòu)對(duì)其進(jìn)行大量的技術(shù)研究和實(shí)用化探索。無(wú)人駕駛車(chē)輛軌跡跟蹤控制是研究重點(diǎn)之一。本文針對(duì)無(wú)人駕駛車(chē)輛的軌跡跟蹤問(wèn)題，提出了相關(guān)的控制模型及控制策略，以實(shí)現(xiàn)車(chē)輛自主軌跡跟蹤控制。
　　首先，為解決無(wú)人駕駛車(chē)輛高精度

2、軌跡跟蹤問(wèn)題，建立了八自由度車(chē)輛動(dòng)力學(xué)模型和二自由度車(chē)輛動(dòng)力學(xué)模型，來(lái)精確刻畫(huà)車(chē)輛各狀態(tài)之間的動(dòng)態(tài)變化規(guī)律，為后續(xù)實(shí)現(xiàn)車(chē)輛基于模型的軌跡跟蹤控制器的設(shè)計(jì)奠定基礎(chǔ)。同時(shí)，采用 CarSim仿真軟件對(duì)所建車(chē)輛動(dòng)力學(xué)模型進(jìn)行仿真驗(yàn)證，以此證明所建模型的準(zhǔn)確性。
　　其次，結(jié)合車(chē)輛軌跡跟蹤控制中的多狀態(tài)變量約束問(wèn)題，提出了基于模型預(yù)測(cè)控制(Model Predictive Control, MPC)算法的軌跡跟蹤控制器，該控制器面向車(chē)輛位

3、姿誤差模型，用于實(shí)現(xiàn)車(chē)輛位姿的誤差跟蹤。同時(shí)，相比于傳統(tǒng)李雅普諾夫函數(shù)選擇上比較困難，利用MPC算法能夠較容易實(shí)現(xiàn)控制器的設(shè)計(jì)。
　　再次，針對(duì)無(wú)人駕駛車(chē)輛在軌跡跟蹤中需要兼顧運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)多層次控制問(wèn)題，提出了分層協(xié)調(diào)控制策略：軌跡規(guī)劃層利用MPC實(shí)現(xiàn)動(dòng)態(tài)軌跡規(guī)劃、中間控制層利用滑?？刂?Sliding Mode Control, SMC)保持對(duì)動(dòng)態(tài)軌跡實(shí)時(shí)跟蹤、力矩分配層實(shí)現(xiàn)車(chē)輪扭矩實(shí)時(shí)分配。通過(guò)車(chē)輛自主換道控制仿真驗(yàn)證所提出

4、的分層協(xié)調(diào)控制策略的有效性。
　　最后，為了解決車(chē)輛軌跡跟蹤過(guò)程中存在不確定性的問(wèn)題，提出了基于徑向基函數(shù)(Radial Basis Function, RBF)神經(jīng)網(wǎng)絡(luò)補(bǔ)償?shù)目刂破鳎瑢?shí)現(xiàn)對(duì)車(chē)輛系統(tǒng)不確定性的動(dòng)態(tài)估計(jì)和補(bǔ)償。通過(guò)控制系統(tǒng)仿真驗(yàn)證 RBF神經(jīng)網(wǎng)絡(luò)對(duì)不確定性估計(jì)的有效性，并通過(guò)對(duì)比仿真驗(yàn)證具有RBF神經(jīng)網(wǎng)絡(luò)補(bǔ)償?shù)目刂破鲗?duì)存在不確性的軌跡跟蹤控制的適應(yīng)性。
　　本文利用MATLAB/Simulink仿真平臺(tái)搭建車(chē)輛